学位论文 > 优秀研究生学位论文题录展示

基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究

作　者: 李九宝
导　师: 刘兴高
学　校: 浙江大学
专　业: 系统工程
关键词: 熔融指数预报 RBF神经网络 人工智能优化算法
分类号: TQ325.14
类　型: 硕士论文
年　份: 2012年
下　载: 54次
引　用: 0次
阅　读: 论文下载
 

内容摘要


聚丙烯在生产生活中的重要地位对聚丙烯生产过程中的产品质量控制提出了更高的要求,其中熔融指数(Melt Index, MI)预报显得尤为关键。本文研究了丙烯聚合生产过程中的MI软测量预报问题,针对生产过程的高度非线性和复杂性采用径向基函数(RBF)神经网络进行建模,然后使用人工智能优化算法进行模型结构优化；本文提出了若干改进的人工智能优化算法,算法有效的改善了模型结构、提高了模型的预报性能；得到的模型都能成功的应用于实际工业数据的预报工作,为实际生产中的MI软测量预报提供了诸多选择。全文主要工作及贡献如下：(1)针对丙烯聚合生产过程进行变量提取,利用RBF神经网络建立起MI软测量模型；随后引入主元分析方法(PCA),对模型输入变量进行简化处理后再建立MI预报RBF神经网络模型。研究结果表明了RBF预报模型的有效性和PCA方法在简化模型、提高模型性能方面的积极作用。(2)基于粒子群(PSO)算法和模拟退火(SA)算法,根据两者各自在全局搜索和局部搜索方面的优劣特点,提出了一种MPSO_SA算法用于MI预报RBF神经网络模型结构优化,得到的MPSO_SA-RBF模型具有很好的预报效果与推广泛化能力。研究结果证明了PSO算法与SA算法结合的有效性和MPSO SA-RBF模型在实际生产中的良好预报效果。(3)基于蚁群(ACO)算法提出了一种自适应ACO算法用于MI预报RBF神经网络模型结构优化,优化后的模型具有很好的性能；考虑到单一RBF神经网络模型中人工智能优化算法的随机性和网络学习过拟合问题,本文又利用ACO算法训练的RBF神经网络进行了组合建模,组合策略分别采用了取平均值策略和自适应分配权重系数策略。在实际生产数据的基础上进行实验研究,证明了自适应ACO算法对模型结构具有很好的优化效果,同时组合RBF神经网络建模方法则进一步大幅度地提高了模型的预报准确性,其中自适应分配权重系数组合策略的优势尤为突出；得到的诸多模型都能够用于实际生产数据的预报工作。

全文目录


致谢  5-6
摘要  6-7
Abstract  7-10
1. 绪论  10-26
  1.1 引言  10
  1.2 聚丙烯熔融指数预报  10-15
    1.2.1 聚丙烯及其熔融指数  10-11
    1.2.2 聚丙烯工艺  11-12
    1.2.3 聚丙烯熔融指数测量  12-15
  1.3 人工智能优化算法  15-22
    1.3.1 遗传算法  15-17
    1.3.2 免疫算法  17-19
    1.3.3 粒子群优化算法  19-20
    1.3.4 蚁群优化算法  20-22
  1.4 本文结构与安排  22-26
2. 熔融指数预报RBF神经网络模型  26-48
  2.1 丙烯聚合生产过程研究  26-29
    2.1.1. 建模对象过程介绍  26-27
    2.1.2. 建模变量的确定  27-29
  2.2 RBF神经网络建模  29-36
    2.2.1. RBF神经网络结构  30-31
    2.2.2. 熔融指数预报RBF神经网络模型建立  31-34
    2.2.3. 熔融指数预报模型性能指标  34-36
  2.3 PCA方法在建模中的应用研究  36-45
    2.3.1. PCA方法介绍  36-40
    2.3.2. PCA方法在建模中应用  40-41
    2.3.3. PCA方法对模型性能的影响  41-45
  2.4 小结与讨论  45-48
3. 基于PSO算法和SA算法的模型优化研究  48-66
  3.1. PSO算法在优化RBF神经网络结构上的应用  48-50
  3.2. SA算法在优化RBF神经网络结构上的应用  50-55
    3.2.1. SA算法简介  51-54
    3.2.2. SA算法的优化应用  54-55
  3.3. PSO算法和SA算法改进后的应用研究  55-59
    3.3.1. PSO算法的改进  56-58
    3.3.2. PSO算法与SA算法的结合  58-59
  3.4. MPSO_SA算法优化结果分析  59-64
  3.5. 小结  64-66
4. 基于ACO算法的模型优化研究  66-90
  4.1. ACO算法在RBF神经网络结构优化上的应用研究  66-78
    4.1.1. ACO算法介绍  66-70
    4.1.2. ACO算法优化RBF神经网络结构  70-72
    4.1.3. 自适应ACO算法优化RBF神经网路结构  72-74
    4.1.4. 熔融指数预报模型优化效果研究  74-78
  4.2. 基于ACO算法的组合RBF神经网络建模研究  78-87
    4.2.1. 组合RBF神经网络建模策略的提出  78-79
    4.2.2. 组合RBF神经网络建模策略  79-82
    4.2.3. 自适应组合RBF神经网络建模策略  82-83
    4.2.4. 组合RBF神经网络建模效果研究  83-87
  4.3. 小结  87-90
5. 总结与展望  90-94
  5.1. 全文总结  90-91
  5.2. 本文研究展望  91-94
参考文献  94-100
作者攻读硕士期间的主要成果  100

相似论文

  1. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  2. 制造业绿色产品研发的风险识别与评价研究,F205;F224
  3. 智能支持向量机方法及其在丙烯聚合熔融指数预报中的应用,TQ325.14
  4. 基于RBF的人工神经网络在PCB钻孔工艺中的应用,TN405
  5. 网络化控制系统故障诊断与容错控制研究,TP273
  6. 直线电梯单电磁悬浮导向系统RBF神经网络滑模控制,TP273
  7. 无人直升机鲁棒及自适应容错控制技术研究,V249.1
  8. 基于神经网络锅炉燃烧系统的模型研究,TK223.2
  9. 基于回波包络特征的超声波入侵探测方法研究,TP274.53
  10. 基于神经网络的莫尔条纹信号细分方法及应用,TP274
  11. 钕铁硼氢粉碎工艺计算机控制系统的研究,TP273.5
  12. 基于RBF神经网络的手绘电气草图识别研究,TP391.41
  13. 基于RBF神经网络与蚁群算法的瓦斯预测模型研究,TD712.5
  14. T-S型RBF神经网络在电解液成分建模中的应用研究,TP183
  15. 基于模糊推理和神经网络的预想事故自动选择研究,TM711
  16. 基于负荷预测的变电站电压无功优化控制策略研究,TM761.1
  17. 基于RBF神经网络的步进电机驱动控制技术研究及FPGA实现,TM383.6
  18. 优化算法改进的RBF神经网络在电动机控制中的应用,TM32
  19. 高速公路入口匝道控制研究,U491.54
  20. 水隔离浆体泵建模与控制,TH38

中图分类: > 工业技术 > 化学工业 > 合成树脂与塑料工业 > 聚合类树脂及塑料 > 聚烯烃类及塑料 > 聚丙烯
© 2012 www.xueweilunwen.com